COVID-19 Data Analysis

Numero di Riproduzione

Stime di Rt.

Max Pierini, Alessio Pamovio

Leggi qui per dettagli generali

Legenda:

  • $R_t$ numero di riproduzione effettivo
    • Rosso: maggiore di 1
    • Verde: minore di 1

Rt con MCMC

Vedi Modello Predittivo per dettagli sul metodo di calcolo di $R_t$ con Markov chain Monte Carlo (MCMC).

Italia

Abruzzo

Basilicata

Calabria

Campania

Emilia-Romagna

Friuli Venezia Giulia

Lazio

Liguria

Lombardia

Marche

Molise

P.A. Bolzano

P.A. Trento

Piemonte

Puglia

Sardegna

Sicilia

Toscana

Umbria

Valle d'Aosta

Veneto

SOMMARIO

Rt bayesiano

Italia: $R_t$ (numero di riproduzione effettivo nel tempo $t$) stimato con metodo bayesiano (Bettencourt & Ribeiro 2008 e Kevin Systrom 2020).

Dettagli metodo: italian (PDF)


ML High_50 Low_50
denominazione_regione
Abruzzo 1.38 1.70 1.06
Basilicata 1.00 1.40 0.57
Calabria 0.99 1.39 0.58
Campania 1.16 1.33 1.00
Emilia-Romagna 1.17 1.39 0.94
Friuli Venezia Giulia 1.33 1.64 1.03
Lazio 1.12 1.31 0.92
Liguria 1.23 1.46 1.00
Lombardia 1.19 1.36 1.01
Marche 1.33 1.65 1.02
Molise 1.09 1.61 0.52
P.A. Bolzano 1.45 1.79 1.09
P.A. Trento 1.10 1.44 0.76
Piemonte 1.41 1.60 1.22
Puglia 1.39 1.62 1.17
Sardegna 1.28 1.55 1.02
Sicilia 1.28 1.49 1.06
Toscana 1.24 1.44 1.03
Umbria 1.26 1.57 0.95
Valle d'Aosta 1.55 2.07 1.01
Veneto 1.37 1.55 1.19

ML High_50 Low_50
denominazione_regione
Abruzzo 1.441429 1.781429 1.097143
Basilicata 1.111429 1.518571 0.678571
Calabria 1.008571 1.410000 0.582857
Campania 1.255714 1.425714 1.085714
Emilia-Romagna 1.280000 1.510000 1.050000
Friuli Venezia Giulia 1.405714 1.728571 1.082857
Lazio 1.161429 1.355714 0.961429
Liguria 1.297143 1.532857 1.060000
Lombardia 1.304286 1.481429 1.121429
Marche 1.402857 1.735714 1.064286
Molise 0.955714 1.498571 0.424286
P.A. Bolzano 1.401429 1.771429 1.021429
P.A. Trento 1.188571 1.531429 0.838571
Piemonte 1.561429 1.761429 1.360000
Puglia 1.447143 1.685714 1.205714
Sardegna 1.307143 1.585714 1.032857
Sicilia 1.325714 1.547143 1.102857
Toscana 1.412857 1.624286 1.200000
Umbria 1.395714 1.717143 1.071429
Valle d'Aosta 1.557143 2.117143 0.964286
Veneto 1.434286 1.627143 1.244286

Rt come ODDS

Effective reproduction number $R_t$ can be considered as an ODD: if for example $R_t=2$, means like in gambling that the likelihood of contagion is "given 2 to 1", so an infected will infect 2 susceptible subjects.

For the effect of the serial interval $\tau$ (onset of symptoms, diagnosis, etc), new cases $k_t$ observed in day $t$ have been infected in $t-\tau$ by the current new cases observed in $t-\tau$ (because old cases are supposed to be hospitalized, isolated, recovered or dead) so, with this simple method, in $t$ we can calculate the $R_{t-\tau}$.

$$ R_{t-\tau} = \frac{k_{t}}{k_{t-\tau}} $$

Work in progress: distribute serial interval $\tau$ as Gamma and new cases $k_t$ as Poisson.


© 2020 Max Pierini. Thanks to Sandra Mazzoli & Alessio Pamovio

Exported from Italia/stime_Rt.ipynb committed by maxdevblock on Sat Oct 10 17:44:25 2020 revision 54, 191c155